Loading...
Publication
Contrastive Learning for Visual Object Recognition
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 2.16 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Contrastive Learning has emerged as a key technique in machine learning, especially in the
context of self-supervised learning. By using contrastive objectives, these models learn to
approximate representations of similar data points in latent space, while distancing those
that are distinct, promoting efficient discrimination between patterns. This approach has
demonstrated a significant impact in several areas, including computer vision and natural
language processing. This dissertation investigates the topic of Contrastive Learning, with a
focus on visual object recognition. Specifically, the main contrastive methods are explored,
with the aim of identifying limitations that can be addressed and improved. Various solutions
have been proposed with the aim of overcoming the limitations found, which will be explored
throughout this document. The results obtained varied in terms of performance: some of the
solutions showed lower performance compared to the original results, while others came very
close to the initial results, but did not surpass them. However, one of the solutions outperformed the base methods, demonstrating the possibility of further improvements through
continuous adjustments and improvements.
Contrastive Learning emergiu como uma técnica fundamental na aprendizagem automática, especialmente no contexto da aprendizagem auto-supervisionada. Ao utilizar objetivos contrastivos, estes modelos aprendem a aproximar representações de pontos de dados semelhantes no espaço latente, ao mesmo tempo que afastam aqueles distintos, promovendo uma discriminação eficiente entre padrões. Esta abordagem tem demonstrado um impacto significativo em diversas áreas, incluindo visão computacional e processamento de linguagem natural. Esta dissertação investiga o tema Contrastive Learning, com foco na reconhecimento visual de objetos. Especificamente, são explorados os principais métodos contrastivos, com o objetivo de identificar limitações que possam ser abordadas e melhoradas. Várias soluções foram propostas com o objetivo de superar as limitações encontradas, que serão exploradas ao longo deste documento. Os resultados obtidos variaram em termos de desempenho: algumas das soluções apresentaram desempenhos inferiores em comparação com os resultados originais, enquanto outras se aproximaram bastante dos resultados iniciais, mas não os ultrapassando. Contudo, uma das soluções demonstrou desempenho superior aos métodos base, demonstrando a possibilidadede melhorias adicionais através de ajustes e melhorias contínuas.
Contrastive Learning emergiu como uma técnica fundamental na aprendizagem automática, especialmente no contexto da aprendizagem auto-supervisionada. Ao utilizar objetivos contrastivos, estes modelos aprendem a aproximar representações de pontos de dados semelhantes no espaço latente, ao mesmo tempo que afastam aqueles distintos, promovendo uma discriminação eficiente entre padrões. Esta abordagem tem demonstrado um impacto significativo em diversas áreas, incluindo visão computacional e processamento de linguagem natural. Esta dissertação investiga o tema Contrastive Learning, com foco na reconhecimento visual de objetos. Especificamente, são explorados os principais métodos contrastivos, com o objetivo de identificar limitações que possam ser abordadas e melhoradas. Várias soluções foram propostas com o objetivo de superar as limitações encontradas, que serão exploradas ao longo deste documento. Os resultados obtidos variaram em termos de desempenho: algumas das soluções apresentaram desempenhos inferiores em comparação com os resultados originais, enquanto outras se aproximaram bastante dos resultados iniciais, mas não os ultrapassando. Contudo, uma das soluções demonstrou desempenho superior aos métodos base, demonstrando a possibilidadede melhorias adicionais através de ajustes e melhorias contínuas.
Description
Keywords
Contrastive Learning Inteligência Artificial Visão Computacional